CN1490757A - 二维条码身份证件防伪系统自动识读方法 - Google Patents

Abstract

本发明公开了一种二维条码身份证件防伪系统自动识读方法，通过用图像识别技术，获取扫描仪输入的二维条码所承载的信息。包括防伪身份证件的制作、持证人照片的处理、二维条码的生成、身份证件的真伪认证；身份照片采用压缩技术，由小波变换，主元分析，自组织特征映射神经元网络以及自适应可变子块聚类，Huffman编码构成。二维条码的识别，利用扫描仪输入带有条码的身份证件，自动找到条码所在区域，并对条码区域进行处理，按照国家标准获得PDF417编码，再根据压缩编码及加密信息，进行承载信息的获取。自动地将解码所得到的证件的文字信息，数字信息与数据库中现存的资料进行匹配，确定证件的真伪，用户按需要可将确定为真的证件信息自动录入到数据库中。

Description

二维条码身份证件防伪系统自动识读方法

一、所属技术领域

本发明属计算机自动识别领域，涉及到图像识别技术，图像压缩技术，信息处理与信息管理技术，及防伪保密技术，特别涉及一种基于图像识别技术的二维条码身份证件防伪系统自动识读方法。

二、背景技术

身份证件的防伪技术，目前就身份证来说，是用激光防伪材料来完成的。因为识别时，主要靠人眼主观判断，使得伪造在高科技手段下，比较容易实现。近期，有关身份证的防伪技术采用非接触式IC卡的报道也有见到。这是因为目前IC卡的制作与读取技术已经非常成熟，可以满足各方面的需要。但是，作为在社会活动中使用非常频繁的证件来说，首先是要耐用。而IC卡的防电磁干扰的能力是有限的，因此这一大隐患在推广新型身份证件中不容忽视的。另外，IC卡只对可用卡制的证件有效，对于如护照这类非卡制的证件则无能为力。二维条码与之相比，则在抗干扰性及在多种媒介之上均可方便印刷的优势就非常突出。

但是，有关二维条码的防伪，从近期的同类发明来看，二维条码的自动识别技术是基于专用识别设备来完成的。专用设备可以完成主要功能是，对符合国际标准的条码进行识别与解码。特别是CCD型专用设备价格高，使得二维条码的推广受阻。

三、发明内容

本发明的目的在于，采用通用的扫描仪输入二维条码，并用解码软件实现对其的识别与解读，利用二维条码可承载大信息量的优点，构造一种二维条码身份证件防伪系统自动识读方法，该系统的自动识读方法除了可用二维条码的专用识别器进行识别之外，还可用通用的扫描仪输入条码并获得其正确的解码信息，将承载在条码中的信息与身份证件上的明码信息进行对比，获得身份证件的真伪鉴别结果。

实现上述发明目的的技术方案是：该系统包自动识读方法括防伪身份证件的制作、持证人照片的处理、二维条码的生成、身份证件的真伪认证，主要包括以下方面，第一，在二维条码的生成上，考虑到身份证件需要持证人的照片，因此，采用了SOFMNN(自组织影射神经元网络模型)，小波变换，PCA(主元分析)等技术实现图像的压缩技术；第二，采用图像识别技术实现对条码的识别；第三，通过解码程序获得条码中所承载的信息，这时，与身份证件上的明码信息(即直接用文字，数字，照片标明的持证人信息)进行自动匹配(照片除外)，如果信息吻合，则提示用户对照照片，否则提示为伪造证件；第四，可将自动获得的信息录入到数据库，完成持证人信息的管理。

四、附图说明

图1是本发明带条码防伪身份证的制作过程示意图；

图2是身份证的真伪认证过程示意图；

图3是SOFMNN的网络结构示意图；

图4是证件的制作过程图，a制作证件，b打印，c剪切，d过塑，e实物；

图5是证件真伪的鉴别过程图，a证件，b扫描仪输入，c识别真伪。

五、具体实施方式

以下结合附图对本发明作进一步的详细描述。

本发明的基于图像识别技术的二维条码身份证件防伪系统自动识读方法，为两大部分，一部分是防伪身份证件的制作；另一部分是防伪身份证件的真伪鉴别。

1)身份证件制作

身份证件制作时的文字，数字信息的处理按国标所规定的PDF417条码的编码标准来实现。

2)身份证制作时的持证人照片的处理

因为在条码中载入的照片是为了在真伪鉴别时与证件上的照片进行对照，考虑到证件上的条码所占面积不能太大(影响美观)，所以在不会产生歧义的基础上，将彩色照片转换成灰度图像进行压缩。具体步骤如下：

①彩色照片转换成灰度图像

计算公式为：

            y＝0.29R+0.58G+0.11B

其中，y是灰度图像的灰度值，R，G，B为彩色图像的三原色。

②对灰度图进行小波变换

对灰度图进行小波变换，得到四个频段的信息，设为

            h₀₀，h₀₁，h₁₀，h₁₁

其中，前下标表示行变换，后下标表示列变换，0表示低频变换，1表示高频变换。

③对h₀₀进行重新量化

首先由PCA确定h₀₀的主分量数，计算步骤如下

a.设h₀₀的大小为m×n，并不妨设m≤n，令

     A＝h₀₀ ^Th₀₀

则A为m×m的对称方阵。

b.计算A阵的m个特征值

      设为：λ₁≥λ₂≥…≥λ_m

根据信噪比的要求，设获得的主分量为

           λ₁，λ₂，…，λ_k

其次，从所得到的主分量，获得对灰度图y的重新量化级数为k。进行k灰度级的重新量化，量化方法为SOFMNN。具体步骤如下

a.SOFMNN的网络结构如图3所示

SOFNN网络的结构是由一个输入层和一个输出层(又称竞争层)构成。输入层输入的是原始信息的特征，输入层的神经元个数为特征的个数。输出层输出的是模式的分类结果，输出神经元的值在这里不直接使用，使用的是输入层与输出层的连接权阵。连接权阵则反映了两层神经元的影射关系。这是一个无教师信号的自组织影射网络。

在这里，输入层的神经元个数为1个，为h₀₀的像素灰度值；竞争层的神经元个数为k，为重新量化的灰度级数。

连接权重的更新算法如下

STEP.1初始化

确定权向量w、学习速率η(t)、邻域Ng(0)及总学习次数T的初值；

STEP.2归一化处理

${U^{\′}}_k=[{U_1}^k,{U_2}^k,...,{U_n}^k{]}^T=\frac{U^k}{\left|\right|U^k\left|\right|}$

$W_j^{\′}=[W_{j1}^{\′},W_{j2}^{\′},...,W_{\mathrm{jn}}^{\′}{]}^T=\frac{W_j}{\left|\right|W_j\left|\right|}$

STEP.3计算欧式(Euclid)距离

$d_j=[\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(U_i^{k^{\′}}-W_{\mathrm{ji}}^{\′})}^2{]}^{1/2}$ (j＝1，2，...，M)

STEP.4确定获胜神经元

      d_g＝min[d_j]    (j＝1，2，...，M)

STEP.5修正连接权值

STEP.6归一化处理

$W_{\mathrm{ji}}^{\′}(t+1)=\frac{W_j(t+1)}{\left|\right|W_j(t+1)\left|\right|}$

STEP.7返回STEP.2，完成所有输入模式的训练。

STEP.8更新学习速率η(t)和邻域Ng(t)

$\mathrm{\η}\left(t\right)={\mathrm{\η}}_0(1-\frac{t}{T})$

b.神经元网络权重训练结束后，就是对h₀₀进行重新量化，设重新量化后的图像为f。重新量化的算法步骤如下

STEP 1计算欧式(Euclid)距离

$d_j=[\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(U_i^k-W_{\mathrm{ji}})}^2{]}^{1/2}$ (j＝1，2，...，M)

STEP 2将该输入模式的值用欧氏距离为最短的神经元的连接权值替代该像素的灰度值；

STEP 3返回STEP1直到所有像素的比较、替代结束。

④对f进行子块聚类

重新量化后的图像f相邻像素有许多相同的，为此，可对其进行子块聚类，具体方法如下

a.将图像分为2*2的子块，设计一个标示矩阵Ks，标示矩阵的大小是图像h₀₀的1/4，Ks为0表示2*2的子块不能合并，Ks为1，表示该2*2子块可以合并。

b.查找可以合并的子块，用一个像素值替代。最终获得子块聚类的数据流，设为c。

⑤进行Huffman编码

对数据流c再进行Huffman编码，设得到的结果为Hc。

⑥进行PDF417编码处理

将所获得的Hc，Ks，以及Huffman表按照PDF417条码的字节模式，对其进行编码处理。

3)二维条码的生成

获得PDF417编码信息之后，按照证件上可以容纳的条码大小，按照国家标准生成条码，并打印在证件上所规定的位置上。其制作过程的示意图如图1所示。

4)身份证件的真伪认证

身份证件的真伪认证过程示意图如图2所示。

具体方法步骤如下：

1)用扫描仪输入身份证件上包含二维条码的那一面。

2)按照PDF417条码的起始符的编码规律，找到条码所在的位置。

3)对条码区域进行二值化处理。选取阈值T为：

              T＝0.5·[f_max+f_min]

其中f_min，f_max分别为条码区域的最大灰度值和最小灰度值。

4)对二值化后的条码进行条空比识别与计算，获得PDF417条码的编码信息。

5)按照国家标准对得到的编码信息进行解码处理，获得文字，数字，以及照片。

6)系统提示数据库中是否存有该证件的相关信息，并提示用户核对解码出来的信息与证件上的明码信息是否吻合。

图4和图5是本发明实施例的证件的制作过程、证件真伪的鉴别过程图，包括制作证件，打印，剪切，过塑，得到实物；将需要鉴别的证件，输入扫描仪，系统则会自动识别真伪。

Claims (1)

1.一种基于图像识别技术的二维条码身份证件防伪系统自动识读方法，包括防伪身份证件的制作、持证人照片的处理、二维条码的生成、身份证件的真伪认证，其特征在于：

1)身份证件制作

身份证件制作时的文字，数字信息的处理按国标所规定的PDF417条码的编码标准来实现；

2)身份证制作时的持证人照片的处理

将彩色照片转换成灰度图像进行压缩，具体步骤如下：

①彩色照片转换成灰度图像

计算公式为：

        y＝0.29R+0.58G+0.11B

其中，y是灰度图像的灰度值，R，G，B为彩色图像的三原色；

②对灰度图进行小波变换

对灰度图进行小波变换，得到四个频段的信息，设为

            h₀₀，h₀₁，h₁₀，h₁₁

其中，前下标表示行变换，后下标表示列变换，0表示低频变换，1表示高频变换；

③对h₀₀进行重新量化

首先由PCA确定h₀₀的主分量数，计算步骤如下

a.设h₀₀的大小为m×n，并不妨设m≤n，令

         A＝h₀₀ ^Th₀₀

则A为m×m的对称方阵；

b.计算A阵的m个特征值

       设为：λ₁≥λ₂...≥λ_m

根据信噪比的要求，设获得的主分量为

              λ₁，λ₂，...，λ_k

其次，从所得到的主分量，获得对灰度图y的重新量化级数为k，进行k灰度级的重新量化，量化方法为SOFMNN；

SOFNN网络的结构是由一个输入层和一个输出层构成的无教师信号的自组织影射网络；输入层输入的是原始信息的特征，输入层的神经元个数为特征的个数，输出层输出的是模式的分类结果，输出神经元的值在这里不直接使用，使用的是输入层与输出层的连接权阵，连接权阵则反映了两层神经元的影射关系；具体步骤如下：

a.输入层的神经元个数为1个，为h₀₀的像素灰度值；竞争层的神经元个数为k，为重新量化的灰度级数；

连接权重的更新算法如下：

STEP.1初始化

确定权向量w、学习速率η(t)、邻域Ng(0)及总学习次数T的初值；STEP.2归一化处理

${U^{\′}}_k=[{U_1}^k,{U_2}^k,...,{U_n}^k{]}^T=\frac{U^k}{\left|\right|U^k\left|\right|}$

$W_j^{\′}=[{W_{j1}^{\′},W_{j2}^{\′},...,W_{\mathrm{jn}}^{\′}]}^T=\frac{W_j}{\left|\right|W_j\left|\right|}$

STEP.3计算欧式(Euclid)距离

$d_j=[\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(U_i^{k^{\′}}-W_{\mathrm{ji}}^{\′})}^2{]}^{1/2}$ (j＝1，2，...，M)

STEP.4确定获胜神经元

      d_g＝min[d_j]    (j＝1，2，...，M)

STEP.5修正连接权值

STEP.6归一化处理

$W_{\mathrm{ji}}^{\′}(t+1)=\frac{W_j(t+1)}{\left|\right|W_j(t+1)\left|\right|}$

STEP.7返回STEP.2，完成所有输入模式的训练；

STEP.8更新学习速率η(t)和邻域Ng(t)

$\mathrm{\η}\left(t\right)={\mathrm{\η}}_0(1-\frac{t}{T})$

b.神经元网络权重训练结束后，就是对h₀₀进行重新量化，设重新量化后的图像为f，重新量化的算法步骤如下：

STEP 1计算欧式(Euclid)距离

$d_j=[\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(U_i^k-W_{\mathrm{ji}})}^2{]}^{1/2}$ (j＝1，2，...，M)

STEP 2将该输入模式的值用欧氏距离为最短的神经元的连接权值替代该像素的灰度值；

STEP 3返回STEP1直到所有像素的比较、替代结束；

④对f进行子块聚类

重新量化后的图像f相邻像素有许多相同的，可对其进行子块聚类，

具体方法如下：

a.将图像分为2*2的子块，设计一个标示矩阵Ks，标示矩阵的大小是图像h₀₀的1/4，Ks为0表示2*2的子块不能合并，Ks为1，表示该2*2子块可以合并；

b.查找可以合并的子块，用一个像素值替代；最终获得子块聚类的数据流，设为c；

⑤进行Huffman编码

对数据流c再进行Huffman编码，设得到的结果为Hc；

⑥进行PDF417编码处理

将所获得的Hc，Ks，以及Huffman表按照PDF417条码的字节模式，对其进行编码处理；

3)二维条码的生成

获得PDF417编码信息之后，按照证件上可以容纳的条码大小，按照国家标准生成条码，并打印在证件上所规定的位置上；

4)身份证件的真伪认证

身份证件的真伪认证过程的具体方法步骤如下：

①扫描仪输入身份证件上包含二维条码的那一面；

②按照PDF417条码的起始符的编码规律，找到条码所在的位置；

③对条码区域进行二值化处理。选取阈值T为：

                T＝0.5·[f_max+f_min]

其中f_min，f_max分别为条码区域的最大灰度值和最小灰度值；

④对二值化后的条码进行条空比识别与计算，获得PDF417条码的编码信息；

⑤按照国家标准对得到的编码信息进行解码处理，获得文字，数字以及照片；

⑥系统提示数据库中是否存有该证件的相关信息，并提示用户核对解码出来的信息与证件上的明码信息是否吻合。

Images